阿里发布OvisOCR3文档视觉模型

阿里ATH-MaaS团队在Hugging Face发布OvisOCR3模型及技术报告。这是一款仅0.8B参数的多任务视觉语言模型，统一支持文档解析、通用OCR、关键信息提取、图表描述和跨页表格重建。 团队称，OvisOCR3在多项文档解析基准中达到SOTA，但现有报道未披露各项测试的具体成绩、适用数据集及对比条件。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。